老司机 iOS 周报 #349 | 2025-09-01

[ChengzhiHuang]

老司机 iOS 周报，只为你呈现有价值的信息。

你也可以为这个项目出一份力，如果发现有价值的信息、文章、工具等可以到 Issues 里提给我们，我们会尽快处理。记得写上推荐的理由哦。有建议和意见也欢迎到 Issues 提出。

文章

🐎 Why I'm Not Using Xcode 26's AI Chat Integration (And What Could Change My Mind)

@阿权：文章者结合自身开发体验，分析了 Xcode 26 中 AI 集成的不足，并建议 Apple 补齐（作者也是恨铁不成钢啊！）：

1. 请求队列：AI 功能会阻塞输入，无法 “边等待边规划”，打断开发思路。
2. 上下文工程支持：不支持输入上下文文档，需反复解释编码规则，难以调教。
3. 构建验证能力：无法自行构建、读取错误日志，频繁依赖人工操作，打断开发节奏。
4. Git 集成：无法搜索历史、对比版本、自动提交，无法利用代码历史辅助开发（如恢复旧代码、更新文档）。
5. 终端与 CLI 访问：无法通过终端运行自定义的 CLI 工具，简化多任务工作流。
6. 项目文件限制：无法打开多仓库文件夹，适配复杂项目结构的能力差。
7. 网页搜索与文档访问：无法获取最新 API / 提案信息，需手动查找，降低信息获取效率。

作者认为 Xcode AI 目前更像个 “功能展示”（有但难用），而非真正的生产力工具，核心问题是未围绕 “ AI 驱动开发” 的工作流设计（如频繁的人工干预、缺少自动化能力）。

为此，作者也是放弃了 Xcode 转向了 Cursor + Claude Code。

🐎 Working with partially generated content in Xcode previews

@DylanYang：iOS 26 有了新的 Foundation Models 框架支持开发者通过系统端侧的模型来生成一些数据，本文作者在此之上探索了如何让 Xcode Preview 功能和这些端生成的数据结构进行交互预览。预览 SwiftUI 的静态布局的话我们可以通过代码构造对应的数据结构来 mock 一个实现，此外也可以通过 json 的方式构造一个 GeneratedContent 作为端生成数据结构的初始化参数。如果需要验证流式输出对于 UI 布局的影响，则可以借助 AsyncThrowingStream 来模拟模型生成的场景。

🐢 From GPT-2 to gpt-oss: Analyzing the Architectural Advances And How They Stack Up Against Qwen3

@阿权：本文围绕 OpenAI 新发布的开放权重模型 gpt-oss（20B/120B）展开，对比了从 GPT-2 的架构演进，并与 Qwen3 的特性进行对比，最后总结其实用价值和局限。内容可概括为：

从 GPT-2 到 gpt-oss 的架构演进：

演进点	旧设计（GPT-2）	新设计（gpt-oss）	收益
正则化	Dropout	无 Dropout	单轮训练场景无过拟合风险，提升效率
位置编码	绝对位置编码	RoPE（旋转位置编码）	支持更长上下文，减少参数
激活函数	GELU + 2 层前馈	SwiGLU + 3 层门控前馈	降低计算成本，增强表达能力
前馈模块	单前馈模块	MoE（混合专家模型）	平衡模型容量与推理效率
注意力机制	MHA（多头注意力）	GQA（分组查询注意力）	减少显存与计算开销
长上下文优化	无	滑动窗口注意力（128 token）	进一步降低长文本推理成本
归一化层	LayerNorm	RMSNorm	简化计算，提升 GPU 训练效率
推理控制	无	推理强度可调（低 / 中 / 高）	平衡成本与准确率

gpt-oss 与 Qwen3 模型差异较小，在一些特性上各有千秋：

维度	gpt-oss-20B	Qwen3 30B-A3B
架构权衡	更宽（嵌入维度 2880）、少量大型专家（32 个）	更深（48 个 Transformer 块）、大量小型专家（128 个）
长上下文处理	滑动窗口（13.1 万 token），但设计了 Attention Bias、Attention Sinks	纯 GQA 支持更长上下文（26.2 万 token）

实用价值与局限：

• 优势：MXFP4 优化适配单 GPU（20B 需 16GB 显存，120B 需 80GB 显存），推理强度可调，性能接近闭源模型；
• 局限：幻觉率较高，无训练代码 / 数据集（仅开源权重与推理代码），未提供基础模型；
• 未来潜力：随着工具集成成熟，可通过调用外部资源（如搜索引擎）弥补知识遗忘，进一步释放推理能力。

总体而言，gpt-oss 的发布丰富了开源 LLM 生态，为需要本地部署、高推理能力的场景提供了新选择，也为研究 Transformer 架构演进提供了重要参考。

注意：尽管 gpt-oss 名称中，oss 为 Open-source Software，但官方明确它只是开放权重（Open-weight）模型，仅提供模型权重与推理代码，而非完全开源。

🐕 GPT-5 Thinking System Prompts Leak

@Barney：这份提示词让我们看到 GPT-5 Thinking 模型的内部运作机制。核心内容包括：
• 知识边界：模型知识截止 2024 年 6 月，当前时间设定为 2025 年 8 月，具备 Web 搜索、Python 分析、图像生成等多种工具集成能力
• 交互规范：采用三通道架构（analysis、commentary、final），支持富文本 UI 组件（图片轮播、产品卡片、图表），强制要求立即完成任务不可推诿
• 安全机制：严格的事实核查要求（需引用来源），时效性信息强制网络验证，设有 1-10 级详细度控制参数
为理解大语言模型的提示工程和安全设计提供了珍贵的第一手资料，对 AI 应用开发者极具参考价值。

🐕 Corner concentricity in SwiftUI on iOS 26

@AidenRao：iOS 26 的同心圆角（Corner Concentricity）是苹果在 WWDC 2025 上强调的一项重要设计理念和视觉特性。同心圆角的核心思想是让嵌套的 UI 元素具有和谐一致的圆角，即使它们的大小或层级不同，其圆角的视觉“圆心”也尽可能保持一致，从而营造出统一、精致且富有纵深感的界面效果。

SwiftUI 引入了 ConcentricRectangle 这个新的 API，帮助开发者更高效地在复杂布局中实现完美的同心圆角效果，让界面设计更加统一与精致。

🐕 MNN LLM Chat iOS 流式输出优化实践

@JonyFang: 本文针对 iOS 应用中部署大语言模型（LLM）时出现的文字流式输出卡顿问题，提出了一套高效的三层优化方案：通过智能流缓冲解决模型输出与 UI 更新的频率不匹配，利用 UI 更新批处理与节流降低主线程压力，并借助打字机动画渲染增强视觉流畅性。这一方案提升了本地 LLM 应用的交互体验，适合开发高性能 AI 聊天应用的团队参考实践。其开源实现：MNN GitHub 项目 - https://github.com/alibaba/MNN。

内推

重新开始更新「iOS 靠谱内推专题」，整理了最近明确在招人的岗位，供大家参考

具体信息请移步：https://www.yuque.com/iosalliance/article/bhutav 进行查看（如有招聘需求请联系 iTDriverr）

关注我们

我们是「老司机技术周报」，一个持续追求精品 iOS 内容的技术公众号，欢迎关注。

关注有礼，关注【老司机技术周报】，回复「2024」，领取 2024 及往年内参

同时也支持了 RSS 订阅：https://github.com/SwiftOldDriver/iOS-Weekly/releases.atom 。

说明

🚧 表示需某工具，🌟 表示编辑推荐

预计阅读时间：🐎 很快就能读完（1 - 10 mins）；🐕 中等 （10 - 20 mins）；🐢 慢（20+ mins）

---

This discussion was created from the release 老司机 iOS 周报 #349 | 2025-09-01.